多示例層次聚類算法在基因功能注釋中的應(yīng)用.pdf

1、基因功能注釋是基因組注釋的一個重要研究方向。而在后基因組的時代背景下，基因組注釋又是最主要的挑戰(zhàn)。它的研究將為人們深入理解人類基因組遺傳語言的邏輯構(gòu)架，基因結(jié)構(gòu)與功能的關(guān)系，個體發(fā)育、生長、衰老和死亡機理，神經(jīng)活動和腦功能表現(xiàn)機理，細胞增殖、分化和凋亡機理，信息傳遞和作用機理，疾病發(fā)生、發(fā)展的基因及基因后機理（如發(fā)病機理、病理過程）以及各種生命科學(xué)問題提供共同的科學(xué)基礎(chǔ)。然而面對海量的全基因組數(shù)據(jù)，只有借助機器學(xué)習(xí)的方法才能勝任。本文將

2、采用多示例多標簽的學(xué)習(xí)方法，進行基因功能的預(yù)測，主要的研究工作如下:
　　首先，本文分析了基因表達的模式，并從其表達模式的特點對基因功能進行預(yù)測，詳細分析介紹了基因功能注釋數(shù)據(jù)庫中基因功能之間存在的關(guān)系及關(guān)系之間的推導(dǎo)過程。針對基因功能注釋數(shù)據(jù)庫中這種多對多的基因與功能的對應(yīng)關(guān)系，本文引入了多示例多標簽的學(xué)習(xí)框架和基因本體論，并對多示例多標簽的學(xué)習(xí)框架進行分析研究。
　　其次，針對多示例多標簽學(xué)習(xí)框架的剪枝策略會丟失基因之間

3、相關(guān)性的問題，本文將層次聚類算法的思想加入到多示例學(xué)習(xí)框架中，提出了多示例層次聚類算法。該算法根據(jù)基因表達相關(guān)性的特點，將具有相似功能的基因的時序表達數(shù)據(jù)子集作為該基因功能的示例集合進行多示例構(gòu)建。在計算多示例之間的距離時使用基因時序表達數(shù)據(jù)之間的皮爾森相關(guān)系數(shù)，并且在進行聚類約束時采用最大化各基因功能類中的基因相關(guān)性，使得基因之間的相關(guān)性信息能在聚類過程中得到很好的保留。
　　最后，本文在釀酒酵母的四個基因時序表達譜中驗證了算法